机器学习及深度学习基础
文章平均质量分 81
机器学习与深度学习相关知识点
xiaobai_Ry
不是大佬,可以称呼我为言小白哈
(๑•॒̀ ູ॒•́๑)啦啦啦,学习冲冲冲鸭,研究关注方向为前后端的开发,目标检测,图神经网络及医学影像分析(个人学的比较杂)。分享学习笔记及自制PPT(因为个人习惯用PPT做笔记)。一起学习一起加油吧~
展开
-
多视图的理解及多视图聚类算法
文章:Multi-view Clustering: A Survey多视图的定义在当前大数据时代,数据往往能够在多个视角下进行采集获取。多个视角下采集获取的数据形成了多视图/多视角数据(Multi-view Data)。来源于不同形态的数据,如不同风格的字体、不同国家的语言来源于不同数据站点的数据,如不同设备扫描得到的数据、不同种群的数据来源于不同视角的数据,如一个人不同角度的成像数据来源于不同特征描述的数据,如数据的边缘、傅里叶、纹理等特征构成的数据来源于不同模态。原创 2024-05-24 10:45:31 · 2325 阅读 · 0 评论 -
生成模型与判别模型的区别与理解
一、判别方法与生成方法监督学习方法可分为判别方法和生成方法。判别方法(Discriminative approach)由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型,即判别模型。判别方法关心的是对于给定的输入X,应该预测什么样的输出Y。基本思想是有限样本条件下建立判别函数,不考虑样本的产生模型,直接研究预测模型。典型的判别模型包括k近邻,感知级,决策树,支持向量机等。生成方法(Generative approach)由数据学习联合概率密度分布P(X,Y),然后由原创 2020-10-16 10:14:07 · 10464 阅读 · 0 评论 -
平移不变性(卷积神经网络为什么具有平移不变性?)
卷积神经网络为什么具有平移不变性?在我们读计算机视觉的相关论文时,经常会看到平移不变性这个词,本文将介绍卷积神经网络中的平移不变性是什么,以及为什么具有平移不变性。一、什么是平移不变性1.不变性不变性意味着即使目标的外观发生了某种变化,但是你依然可以把它识别出来。这对图像分类来说是一种很好的特性,因为我们希望图像中目标无论是被平移,被旋转,还是被缩放,甚至是不同的光照条件、视角,都可以...转载 2020-04-04 18:21:55 · 11480 阅读 · 2 评论 -
训练集、测试集、验证集之间的区别及理解
训练集、测试集、验证集之间的区别及理解在写代码时,数据集的划分时常影响我们的准确率,好的数据集划分一般分为训练集(training set),验证集(development set/validation set)和测试集(test set)。一、训练集、验证集、测试集之间的区别及其作用训练集训练集:用于模型拟合的数据样本,即用于训练的样本集合,主要用来训练神经网络中的参数,验证...原创 2020-03-12 09:56:48 · 16021 阅读 · 0 评论 -
常规卷积,DW卷积和PW卷积的区别
常规卷积,DW卷积和PW卷积的区别转载于卷积神经网络中的Separable Convolution 卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数,应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件,显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的Separable Convolution就是降低卷积运算参数量的一种典型方法。常规卷转载 2020-07-17 14:54:50 · 13204 阅读 · 0 评论